Computex 2026 Review

 올해도 대만 타이베이에서 Computex 2026이 마무리되었다. 이번엔 회사의 지원을 받아, 대만에 직접 다녀왔는데, 4일 내내 부스와 키노트를 돌면서 받은 인상은 생각보다 명확했다. 행사를 관통하는 가장 큰 메시지는 “Agent AI로 넘어가면서, 그동안 GPU에 가려져 있던 CPU의 중요성이 다시 부각되고, 경쟁의 단위가 단일 칩에서 시스템 전체(인터커넥트·메모리·전력·냉각)로 올라갔다”는 점이다.

 지난번 GTC 리뷰 [1]에서 “AI 인프라의 판매 단위가 칩에서 AI 팩토리로 올라갔다”고 정리했었는데, Computex 2026은 그 시스템 경쟁이 특정 병목(CPU·메모리·네트워크·전력·냉각)별로 어떻게 쪼개져 진행되고 있는지를 한자리에서 볼 수 있는 자리였다. 이번 글에서는 현장에서 본 글로벌 기업 동향과 주요 키노트·포럼 위주로 정리를 해보려 한다.

 Computex는 대만 타이베이에서 매년 열리는 세계 최대 규모의 컴퓨터·IT 하드웨어 박람회다. 올해는 6/2 ~ 6/5, TaiNex 1·2관과 TICC에서 “AI Together”라는 주제로 열렸다. 대만이 TSMC를 필두로 반도체 공급망의 핵심이다 보니 Nvidia의 Value-chain은 물론 Intel·Qualcomm·Marvell 등 주요 반도체 기업이 대거 참가했고, 단일 AI 칩을 넘어 인터페이스·메모리·전력·Edge Device까지 시스템 레벨에서 플레이어들이 어떻게 협업하는지가 잘 드러났다. 같은 기간(6/1 ~ 6/4) GTC Taipei도 동시에 열려 젠슨황 키노트를 시작으로 Computex와 유기적으로 맞물려 돌아갔고, 국내외에서 선발된 스타트업들도 다수 참석했다. 먼저 올해 행사를 다섯 가지 키워드로 압축하면 다음과 같다.

① AI 데이터센터 — ‘랙 스케일’ 성능이 곧 경쟁력. NVIDIA Vera Rubin NVL72(Vera CPU 36 + Rubin GPU 72, NVLink)처럼 칩 단위를 넘어 패키징·메모리·네트워킹·냉각·전력을 묶은 시스템 전체가 성능을 좌우한다.

②차세대 인터커넥트 & 광 연결(CPO). Marvell×NVIDIA 합동 키노트의 메시지는 ‘연결이 곧 AI 스케일’이었다. 커스텀 ASIC·CPO·랙 레벨 연결로 가속기 클러스터를 확장한다.

③ 전력·냉각이 성능 한계를 결정. 전력밀도가 올라가면서 고전압 DC(HVDC)와 콜드 플레이트가 필수가 됐다. 전력·열 문제가 풀려야 데이터센터 성능이 보장된다.

④ Physical AI 본격화(Robot). NVIDIA Jetson Thor 등 엣지·로봇 제품과 피지컬 AI 키노트가 이어졌다. 추론이 클라우드에서 엣지로 넘어가는 과정이다.

⑤ 에이전틱 & 온디바이스 AI. Qualcomm이 온디바이스 AI·Snapdragon으로 오프닝 키노트를 열었고, NVIDIA도 에이전틱·피지컬 AI를 강조했다.

이제 이 키워드들을 병목별로 하나씩 뜯어보자.

---

① Agent AI와 CPU의 귀환 - x86 vs ARM

 개인적으로 이번 행사의 본질은 여기에 다 있다고 본다. 기존의 병목은 병렬 연산이었기에 GPU의 시대였다. 그런데 Agent AI는 Planning·Tool 사용처럼 순차적·분기 연산의 빈도가 높아지면서, 데이터를 오케스트레이션할 CPU의 수요와 중요성이 다시 올라왔다. Intel 키노트에서 인상적이었던 수치 하나는, 기존 AI 추론의 GPU:CPU 연산 비중이 약 7:1이었다면 Agent AI로 오면서 1:1.3 수준으로 바뀐다는 전망이었다. CPU가 ‘보조’가 아니라 ‘지휘자’로 올라온 것이다.

CPU 시장은 크게 x86과 ARM으로 나뉘고, 호환성이 좋은 x86과 전력 성능이 좋은 ARM 계열의 경쟁이다.

- Intel (x86): 점유율을 많이 뺏겼지만 서버 CPU에서 아직 60% 수준을 쥐고 있다. ’25년 9월 Nvidia의 투자 유치 및 x86 파트너십 발표가 컸다. Nvidia는 Vera 같은 ARM 기반 제품을 갖고 있지만, B2B 적용 시 호환성을 위해 x86(Xeon 6/6+) 라인업이 필요하다. 가까운 경쟁자인 AMD 대신 Intel과 손을 잡은 셈이다.

- AMD (x86): Instinct GPU·EPYC CPU·Pensando NIC을 묶은 랙 스케일 ‘Helios’를 내세우며 NVLink의 대안인 UALink를 주도하고 있다. x86 진영에서 AMD는 TSMC 선단공정을 확보한 반면, Intel은 자체 공정을 고수하며 점유율이 하락해 왔다.

- Hyperscaler (ARM): AWS·Google 등은 ARM IP로 워크로드에 최적화된 CPU를 자체 설계해 점유율을 올리고 있다.

이번 Computex의 주목 포인트는 ARM 계열 CPU 공개가 줄줄이 이어졌다는 점이다. ’26년 3월 ARM이 자체 CPU를 출시했고, Nvidia의 ARM 기반 Vera CPU, Qualcomm의 AI DC향 제품군까지 등장했다.

Intel 키노트 - “x86은 컴퓨팅의 백본”

 Intel은 x86 호환성을 무기로 데이터센터(Xeon 6/6+)로 확장 중이며, 2030년까지 도입될 서버의 80%가 x86 기반일 것이라 전망했다(Intel·AMD 합산 기준). 개방형 랙 스케일 전략도 인상적이었는데, 삼바노바(SambaNova)의 RDU나 타사 GPU에 Intel CPU를 결합한 랙 구성을 직접 제시했다. CPU가 컨트롤러 역할을 하고 가속기는 갈아 끼우는 그림이다. Google(HPC)·Ericsson(통신)과의 협업도 소개했고, 자사 칩에 쓰이는 18A(2nm급) 공정과 자체 패키징 기술 EMIB(필요한 영역에만 인터포저)도 강조했다. 여기에 더해 이번 전시에서는 데이터센터 추론용 GPU Crescent Island(LPDDR5X 480GB급)와 ’27년 18A-P 기반 차세대 Xeon ‘Diamond Rapids’ 로드맵까지 공개되며 ‘우리도 AI DC 칩이 있다’는 메시지를 분명히 했다.

 Intel은 최근에 주가도 많이 오르고, CPU가 주목을 받는 것도 수혜로 보이는데, Nvidia, ARM, Qualcomm 등 다양한 기관들의 AI DC용 CPU 진출 및 PC 시장에의 CPU이 본격화되는 상황에서 시장을 지켜낼 수 있을지 주목할 필요가 있을 것 같다. 이 과정에서 자체 팹을 돌리는 Intel의 18A 수율 및 14A 고객사 확보 등은 주목해볼 포인트로 보인다. 

ARM 포럼 - “Agentic CPU”

 ARM은 자체 설계한 CPU(arm AGI CPU)로 동일 파워 기준 x86 대비 약 2배 성능을 시현했다고 밝혔다. 전력·효율의 ARM vs 성숙한 툴체인·호환성의 x86 구도다. Google·AWS·Nvidia 모두 ARM 기반 자체 CPU(Axion·Graviton·Vera)로 좋은 성능을 내고 있다는 점, 그리고 ARM도 TSMC를 통해 자체 칩 제작을 시도한다는 점이 핵심이었다. 잠깐 등장한 젠슨황은 “현재 Tool의 10~20%만 쓰이지만 Agent AI는 100% 활용이 가능하다”며 CPU의 중요성을 거들었고, IP 사업이 공급망에서 얼마나 자유로운지를 (자체 칩 제작과 비교해) 강조하고 갔다.

 문제는 ARM이 여태까지는 IP 비즈니스 위주로 사업을 전개했다면, 이제는 자체 CPU 칩을 찍겠다고 나선만큼, 고객과의 경쟁이 불가피해보인다. 대부분의 업체들은 이를 피해왔으며, 삼성전자보다 TSMC가 초반에 강점을 가졌던 부분이기도 해서, ARM의 CPU 사업이 얼마나 흥행할지는 모니터링해야할 것 같다.

---

② 메모리 병목 - HBM4E·HBM5, 그리고 HBF·HPB

 Train→Inference 전환의 부작용 중 하나가 메모리다. 긴 문맥을 저장하는 KV-Cache 용량이 급증하면서 메모리 수급 불균형이 심해지고 있다. 빅테크는 메모리 3사와 3~5년 장기공급계약(LTA)을 맺고 있고, 메모리 가격은 계속 오르는 중이다. 따라서, 메모리 수급 문제를 푸는 방법으로 기존의 HBM을 업그레이드 하는 하나의 축, CXL/HBF 처럼 계층적 메모리 구조에서 새로운 아이템을 찾아보려는 시도 두 가지로 정의할 수 있을 것 같다. 부스에서 본 SK하이닉스·삼성전자의 메시지는 “용량과 발열, 두 가지를 동시에 풀어야 한다”로 요약된다.

HBM의 대역폭·용량 확대

HBM4 초기 램프업에 이어 HBM4E 양산을 준비 중이고(삼성 샘플 공급), HBM5도 개발 단계다. Nvidia는 ’27년을 목표로 베이스(로직) 다이를 자체 설계하고 스택 다이만 외부 조달하는 방안을 검토 중이라는 보도도 있었다(확정 아님). 기술적으로는 TSV 핀당 전송속도 3배·핀 수 증가, Hybrid Bonding(Direct Cu-Cu)으로 수직 거리를 줄이고 미세 피치로 I/O 밀도를 높이는 방향이다. 특히 삼성전자가 HBM5에서 제안한 HPB(Heat Path Block) - 메모리 발열을 위로 빼는 수직 통로, 이른바 굴뚝(Chimney) 구조가 인상적이었다.

계층적 메모리 — CXL과 HBF

수급을 구조적으로 풀기 위한 시도도 이어졌다. DRAM보다 조금 느리지만 풀링이 가능한 CXL(DRAM Pooling)은 상용화 단계에 들어섰고, 거대 모델 저장이 가능하면서 SSD보다 빠른 HBF(High Bandwidth Flash)가 새로운 화두였다. 모델이 커지고 MoE (Mixture of Experts)가 확산되며 ‘모델을 통째로 담아둘’ 메모리 수요가 커지는데, HBF는 TSV로 NAND를 수직 적층해 이를 노린다. 부스 자료에서 본 용량 비교(HBM 192GB → HBF 3,120GB급)는 숫자만 보면 압도적이다. SK하이닉스도 HBF의 필요성에 공감하며 개발 중이라 밝혔는데, 관건은 결국 HBF의 실제 성능(속도)이 나오느냐다.

---

③ 네트워크 병목과 CPO - 구리에서 광으로

 Marvell×NVIDIA 합동 키노트의 한 줄 요약은 “이제는 Compute가 아니라 Connectivity가 시스템 전체 성능을 결정한다”였다. 핵심은 CPO(Co-packaged Optics)다. 대역폭·전력을 개선하기 위해, 플러그형 광 트랜시버 대신 스위치·GPU ASIC 패키지 안에 광 엔진을 통합하는 흐름이다. 전기신호가 PCB를 타고 흐르며 생기는 신호손실·전력소모를 광이 패키지 안에서 해결한다.

 다만 CPO를 구현하기 위해서는 기술적인 허들 몇 가지를 넘어야 한다. 레이저는 열에 민감한데 ASIC 주변은 고온이라 광소자의 수명·신뢰성 이슈가 있고, 불량이 나면 비싼 ASIC 패키지를 통째로 폐기해야 한다. 1µm 미만 자동 정렬이 필요해 수율 확보도 어렵다. 그래서 단기적으로는 레이저만 패키지 밖으로 빼는 외부 광원(ELSFP) 방식으로 상용화가 진행되고 있다. 거리별로 보면 인터포저 위 cm 이내의 칩렛은 구리를 유지하고(Scale-up은 최대한 Copper), 인터포저를 벗어나는 거리부터 광이 들어간다(Scale-out부터 Optics 필수). 너무 가까우면 광 변환 오버헤드가 대역폭 이득보다 커지기 때문이다. 그 사이를 Re-timer와 AEC(Active Electrical Cable)가 메운다.

젠슨황이 Next Trillion Dollar Company라고 마벨 찍어주고 감.

CPO를 대하는 플레이어별 포지션도 명확했다. 기본적으로 파운드리는 TSMC가 가장 빠르고, 밸류체인이 있기 때문에, 고객사 확보가 쉬울 것으로 예상되지만, 삼성전자 또한 CPO 파운드리에 관심을 가지고 있는 것으로 알고 있다. 추가적으로, CPO는 OSAT와의 협업도 필수적이기 때문에, ASE 등의 업체와의 연계도 필요해보인다.

- TSMC: ’26년 기판 위(On-substrate) CPO 양산 → CoWoS 통합(인터포저 단위) CPO 개발 중.

- Nvidia(상용화)·Broadcom(양산): TSMC 광엔진을 채택해 CPO 스위치 개발.

- Marvell: XPU 자체 광엔진으로 XPU 간 CPO 추진(Nvidia 협업), 현재 고객사 샘플링 단계. ’26년 2월 Celestial AI(컴퓨트와 메모리를 떨어뜨리되 속도 저하는 Optic으로 해결)를 인수했다. CPO 양산을 위해 패키징 파트너가 필요한데, OSAT인 ASE가 핵심 파트너로 키노트에 함께 올랐다(TSMC가 광엔진 PIC을 만들면 ASE가 광섬유 정렬·부착·조립·테스트를 맡음)

- 삼성전자: ’27년 플러그형 광모듈, ’29년 CPO를 타깃으로 파운드리 계획.

---

④ Physical AI와 엣지 - Jetson Thor, Qualcomm, NXP

 학습에서 추론으로 무게중심이 옮겨가며, 로봇·산업 등 Physical AI를 위한 칩·모델 경쟁도 본격화됐다. Nvidia는 Jetson Thor를 출시하고 로봇 개발 플랫폼 Isaac, 로봇 파운데이션 모델 GR00T를 공개하며 시장을 선점하고 있다. 다만 고성능 AI 엣지 점유율은 약 39%로 데이터센터(AI DC)만큼 압도적이진 않다 - 폼팩터별 최적화의 한계가 있고, NVLink 같은 강한 Lock-in이 엣지에선 약하기 때문이다.

Qualcomm은 오프닝 키노트를 가져갈 만큼 존재감이 컸다. 메시지를 정리하면 이렇다. Agent AI는 애플리케이션(로봇·드론 등)마다 지연시간·파워 등 제약이 제각각이고 엄격한데, 추론에서 파워 최적화가 Critical하다. Qualcomm은 모바일·XR·노트북에 AP를 공급하며 오랫동안 이 저전력 영역에 특화돼 왔으니, 데이터센터·엣지 AI에서도 칩 설계를 잘할 수 있다는 자신감을 드러냈다. 구조적으로도 CPU가 XPU(NPU·GPU)와 협업해 워크로드를 오케스트레이션하는 그림을 강조했다(CPU에서 Tool을 쓰다가 병렬 연산이 필요하면 NPU·GPU에 작업 지시). 둘째 날엔 한 발 더 나가 “Agent AI의 Cloud/Local 분산 처리에는 6G 통신이 필요하고, Compute와 Sensing이 통합돼야 한다”고 했는데, 이건 젠슨황을 포함한 모든 키노트를 관통한 공통 메시지(‘시스템은 인간이 아니라 Machine 간 통신에 최적화돼야 한다’)와 맞닿아 있었다. 데이터센터 라인업 DragonFly(CPU·가속기·ASIC)를 공개했고 세부 스펙은 6/24 공개 예정이며, 추론 가속기 AI200·AI250은 각각 올해·내년 출시를 앞두고 있다.

NXP는 결이 조금 달랐다. ‘사람의 뇌·소뇌·척수가 상황에 맞게 각자 기능하듯, Physical AI도 독립적으로 결정하는 프로세서가 여러 개 필요하다’는 Neural-axis 비유로 시작했다. Drone·Vehicle·Humanoid에 들어가는 HW 포트폴리오와 높은 신뢰성 레퍼런스를 강조했고, AI가 Perception을 넘어 Understand까지 가야 한다며 VLA(Vision-Language-Action)의 중요성을 짚었다. 모델 설계부터 배포까지 하나로 묶는 eIQ Toolkit, 그리고 Boston Dynamics와의 협업도 소개했다. 이 밖에 Hailo(순수 AI 가속기), Ambarella(카메라·비전 AI SoC) 등 전력 효율 특화 NPU 업체도 다수 보였다.

---

⑤ 전력과 냉각 - 800V DC와 Thermal Management

 의외로 현장에서 가장 ‘피지컬한’ 화두는 전력과 냉각이었다. 랙 전력밀도가 100kW (현재의 랙 전력 밀도)에서 1MW로 치솟으면서, 기존 48V(12V에서 이미 올린 값) 분배로는 전류가 폭증해(P=VI) 구리 버스바가 버티지 못한다. 답은 고전압 DC(HVDC)다 - 48V를 넘어 결국 800V까지 올려야 한다는 것이 공통된 방향이었다. 이를 위해 고전압·빠른 스위칭을 견딜 전력반도체(SiC·GaN) 생태계(ST·TI 등)와, 이를 이용해 전력 분배 시스템을 만드는 기업(Eaton·Vertiv)의 중요성이 커진다. Nvidia는 효율 중심의 800V DC, 구글·메타·MS 등 CSP는 EV 시스템에도 적용 가능한 400V DC 2세트의 개방형 표준을 밀고 있다.

 전력이라는게 잘 생산해서 잘 가져와서 (저장 또는) 잘 분배해주는 영역인데 Computex는 데이터센터 내에서 어떻게 분배해주냐에 대해서 주목했고, 우리나라가 전통적으로 잘 했던 것은 저장하는 ESS 및 가져오는 전선 및 변압기 영역이었는데, 우리나라의 강점을 부각하면서 기술 경쟁이 가능한 영역 발굴이 필요해보인다.

Vertiv 부스 - “Breaking the Power Limit”

Vertiv의 메시지가 가장 구체적이었다. 단기적으로는 서버 랙 안에 GPU·CPU·메모리·냉각이 꽉 차 공간이 없으니, 랙 밖에 별도의 Side-Car 랙을 두고 변환기를 배치하는 구조로 800V 전환을 시작한다. 장기적으로는 모든 부품이 800V에 맞게 소형화·최적화되면 별도 랙 없이 단일 랙에서 전력 변환까지 수행하게 된다. Vertiv는 Power Train뿐 아니라 열 교환 제품군도 보유하고 있어, 전력과 냉각을 한 묶음으로 보여줬다.

Cooling - Cold-Plate, TIM, 그리고 솔리드스테이트

전력이 늘면 발열도 늘기에 Cooling이 함께 따라온다. 단기 연구 방향은 칩의 열을 빼는 Cold-Plate(금속판)로, 여기서 스타트업(예: 쿨마이크로) 경쟁이 치열하다. LG 등 기존 칠러 업체도 데이터센터향 냉각수 순환 시스템을 만들고 있다. 그리고 Die와 Cold-Plate를 안정적으로 붙이는 TIM·Paste의 중요성이 반도체 Warpage 이슈와 함께 재조명됐다. 

 

<GTC Taipei - 엔비디아는 모든 것을 다 하려 한다>

Computex와 맞물린 GTC Taipei의 젠슨황 키노트는 따로 정리할 가치가 있다. 큰 메시지는 “AI는 이제 비용을 쓰는 시스템이 아니라 돈을 벌어다 주는 영역(AI Factory)으로 진입했다”는, GTC에서 이어진 흐름의 연장선이었다. 다만 이번엔 PC 시장으로의 확장이 눈에 띄었다.

- RTX Spark(AI PC용 칩): 노트북 DRAM이 16GB에서 128GB(NVLink C2C로 CPU-GPU 연결)로 대폭 늘었다. 보안·로컬 작업을 고려하면 PC도 중요한 시장이라는 판단이다. 고성능 로컬 워크스테이션 DGX Station도 함께 공개됐고, MS와 손잡고 RTX Spark에서 Windows on ARM으로의 전환을 시도한다(기존은 x86). 실제로 이 칩의 첫 굵직한 디자인 윈은 128GB를 얹은 MS Surface Laptop Ultra로 나타났다

- Vera CPU(ARM 기반): Agent AI에서의 CPU 필요성을 강조하며 데이터센터향 Vera를 홍보했다. Cadence와의 RTL Verification, NYSE 트레이딩 시스템 적용 등 구체적인 응용처를 들었다

- Nemotron 3 Ultra: 복잡한 추론·실행을 담당하는 최상위 오픈 모델. 다른 칩에서도 돌지만 RTX Spark·DGX Station 등 CUDA 기반에서 손쉽게 최적화된다.

- Cosmos 3: 멀티모달을 이해·추론·생성하는 Physical AI 월드 모델로 Sim-to-Real이 가능하다. 역시 CUDA 기반 최적화 + 로봇 시장 확대에 따른 매출 확대를 노린다.

정리하면 데이터센터(학습) → Cosmos 3(데이터 생성) → GR00T(VLA) → Jetson(엣지)로 이어지는 풀스택이 완성됐다는 점을 볼 때, 엔비디아는 모든 밸류체인을 다 직접하려한다는 인상을 받았다.

 

<Conclusion>

 지난 GTC가 ‘시스템이 곧 제품’임을 선언한 자리였다면, 이번 Computex는 그 시스템을 이루는 각 병목에서 누가 어떤 카드를 들고 나왔는지를 확인하는 자리였다. 칩 하나의 스펙을 넘어, CPU·메모리·네트워크·전력·냉각이 한 시스템 안에서 어떻게 맞물리는지를 읽는 눈이 점점 더 중요해지고 있다는 생각이 든다. 

  NVIDIA 파트너사 부스 쪽엔 국내 스타트업도 꽤 보였다. 디든로보틱스·리얼월드·GRENETA·스퀴즈비츠·래블업 등이 부스에 나왔고 딥엑스 등 익숙한 곳들도 다수 참가했다. 국내 업체는 한국에서도 미팅이 가능한만큼 해외 쪽을 더 눈여겨봤는데, EDA 자동화, Analog AI, 광 스위치, 액체냉각까지 다양한 업체들이 있었고, IR 자료를 받고, 검토할 예정이다. 행사의 큰 테마가 스타트업 단의 IR로 내려오고 있다는 게 흥미로웠다. 

 사실 아예 모르는 내용들이 있었다기 보다는 실제 빅테크들은 어떻게 생각하고 있으며, 어떤 제품이 출시되는지 눈으로 봤다는 점이 의미있던 것 같다. 이번 글에서는 키노트/포럼에 대한 간단한 정리 위주로 다뤘고, 어떤 점이 기술적으로 구현이 어렵고, 어디가 시스템 전반적인 Bottleneck인지 등에 대한 깊이 있는 공부는 별도로 할 계획이다. 다음주부터 Fnguide에 Computex 리뷰 보고서들도 소개될 것 같은데, 관심있는 사람들은 이를 통해 공부를 하는 것도 좋을 것 같다. 뜬금없지만, 이번 출장 유일하게 놀러나갔던 타이완국립대 사진을 마지막으로 글을 마무리해본다. 

(회사 내부 메시지는 이 블로그에 담지 못했는데, 기술적으로 깊은 논의나 커피챗/투자 논의는 언제든 말씀해주세요. 감사합니다.)

 

Reference

[1] https://engineering-ladder.tistory.com/179

GTC 2026과 AI 팩토리의 부상